numpy介绍PPT
NumPy（Numerical Python的简称）是Python的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。...
NumPy（Numerical Python的简称）是Python的一个扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy的前身是Numeric，最早由Jim Hugunin与其他协作者共同开发，2005年，Travis Oliphant在Numeric中结合了另一个同性质的程序库Numarray的特色，以NumPy这个新的名字发布了这个库。NumPy是Python数据科学计算的基础包。以下是对NumPy的详细介绍：NumPy概述NumPy是用Python进行科学计算的基础包。它包含强大的N维数组对象、复杂的函数、用于整合C/C++和Fortran代码的工具接口、有用的线性代数、傅里叶变换和随机数生成功能。除了明显的科学、工程和金融用途，NumPy也可以用于各种各样的其他领域。NumPy的第一个主要的优势是，它是一个用于数组计算的扩展程序库，支持大量的维度数组与矩阵运算，此外也针对数组运算提供大量的数学函数库。NumPy库的核心是提供一个多维度的数组对象ndarray，它是一系列同类型数据的集合，以0下标为开始进行集合中元素的索引，可以进行各种常见的数组和矩阵运算：如切片、滤波、统计、数学函数、矩阵运算、直方图等。NumPy的主要特性多维数组对象ndarrayNumPy的基本使用安装NumPy通常可以通过pip或conda来安装NumPy：或者导入NumPy在Python脚本中，可以使用import语句来导入NumPy库，并通常以np作为别名：创建ndarrayNumPy中最重要的对象是ndarray，可以使用多种方式创建它：使用array函数创建arr1 = np.array([1, 2, 3])使用zeros函数创建指定形状的数组，元素初始化为0arr2 = np.zeros((2, 3))使用ones函数创建指定形状的数组，元素初始化为1arr3 = np.ones((2, 3))使用empty函数创建指定形状的数组，元素初始化为随机值arr4 = np.empty((2, 3))使用random模块生成随机数数组arr5 = np.random.rand(2, 3)ndarray的属性：返回数组的维度返回一个元组，表示数组在每个维度上的大小：返回数组元素的数据类型：返回数组中的元素总数等于：返回数组的维数：返回数组中每个元素的大小（以字节为单位）ndarray的基本操作索引和切片使用整数索引和切片来访问和修改数组中的元素数学运算对数组进行加法、减法、乘法、除法等运算统计函数如求和（）、平均数（）、标准差（）等线性代数NumPy 提供了线性代数模块 ，可以进行矩阵乘法、求逆、特征值计算等广播（Broadcasting）NumPy 支持广播机制，它允许在不同形状的数组之间进行数学运算进阶特性高级索引NumPy 支持高级索引，包括整数数组索引和布尔索引。整数数组索引允许你使用整数数组来选择数据，而布尔索引则允许你使用布尔数组来选择满足某些条件的元素。整数数组索引arr = np.array([[1, 2, 3], [4, 5, 6], [7, 8, 9]])print(arr[[0, 1, 2], [0, 1, 2]]) # 选择(0,0), (1,1), (2,2)位置的元素布尔索引bool_idx = arr > 4print(arr[bool_idx]) # 选择大于4的所有元素花式索引（Fancy Indexing）花式索引是一种使用整数数组来选择数据的灵活方式，它可以实现比基本索引更复杂的索引模式。数组的拼接和拆分NumPy 提供了多种函数来拼接和拆分数组，如 np.concatenate(), np.split(), np.hsplit(), np.vsplit(), np.r_[], np.c_[] 等。广播（Broadcasting）广播是 NumPy 中的一个强大功能，它允许在不同形状的数组之间执行数学运算。广播规则定义了如何在数组之间进行运算，即使它们的形状不同。掩码（Masking）可以使用布尔索引创建掩码，然后选择或修改数组中满足特定条件的元素。数组的转置和轴变换可以使用 transpose() 或 T 属性来转置数组，使用 np.rollaxis() 或 transpose() 来改变数组的轴顺序。线性代数NumPy 提供了线性代数模块 numpy.linalg，用于解决线性代数问题，如矩阵乘法、行列式、逆矩阵、特征值和特征向量等。随机模块NumPy 的 numpy.random 模块提供了多种生成随机数的功能。
